(11) 공개번호 10-2015-0145023 (43) 공개일자 2015년12월29일

(19) 대한민국특허청(KR) (12) 공개특허공보(A)

(11) 공개번호 10-2015-0145023 (43) 공개일자 2015년12월29일

B60W 50/08

B60W 40/08

G01S 5/02

H04W 64/00

(22) 출원일자 2014년06월18일 심사청구일자 없음

(71) 출원인

한국전자통신연구원

대전광역시 유성구 가정로 218 (가정동) (72) 발명자

김진우

대전광역시 유성구 덕명로 26 운암네오미아아파트 106동 1502호

한우용

대전광역시 서구 도안동로 177 수목토아파트105동 602호

(74) 대리인 특허법인지명 전체 청구항 수 : 총 16 항

(54) 발명의 명칭 차량과 운전자 간의 상호작용을 위한 빅 데이터 기반 사용자 경험 예측 장치 및 방법 (57) 요 약

본 발명은 빅 데이터 기반 사용자 경험 예측 장치 및 방법에 관한 것으로서, 본 발명에 따른 빅 데이터 기반 사 용자 경험 예측 장치는 운전자와 관련된 모든 정보, 즉 빅 데이터를 기반으로 보이지 않는 의미 있는 정보 예측 및 현재 운전자의 상태 정보 분석을 수행하며, 예측된 정보 및 분석된 정보가 반영된 직관적인 UI를 통해 획득된 운전자의 피드백 정보를 분석하고 실시간 업데이트하는 것을 특징으로 한다. 또한 앞으로의 자율주행 자동차 시 대에 앞서 운전자에게 차량과의 상호작용을 통한 예측 가능한 주행 서비스를 제공하고, 이와 동시에 운전자에게 표출하지 않았던 의도된 의미 있는 정보(보이지 않는 의미 있는 정보)를 적절히 제공함으로써 안전과 만족감을 동시에 제공해 주는 것을 특징으로 한다.

대 표 도

이 발명을 지원한 국가연구개발사업 과제고유번호 10041417 부처명 舊지경부 연구관리전문기관 KEIT

연구사업명 산업원천기술개발사업(ETRI연구개발지원사업)

연구과제명 ICT기반 차량/운전자 협력자율주행 시스템(Co-Pilot)의 판단/제어 기술 개발 기 여 율 1/1

주관기관 ETRI

연구기간 2012.06.01 ~ 2017.02.28

명 세 서

청구범위 청구항 1

사용자 관련 빅 데이터를 기반으로 판단된 현재 사용자 경험과, 이에 연관된 정보를 토대로 사용자 경험을 예측 하는 사용자 경험 예측부;

예측된 사용자 경험 정보를 UI(User Interface)로 구성하는 사용자 경험 응용 프레임워크; 및

상기 UI를 통해 피드백된 사용자 경험 정보를 토대로 상기 예측된 사용자 경험 정보에 대한 상기 사용자의 긍정 반응 여부를 결정하고, 결정결과 상기 사용자가 긍정 반응을 한 경우, 상기 예측된 사용자 경험 정보를 표출하 도록 하는 피드백 사용자 경험 결정부

를 포함하는 빅 데이터 기반 사용자 경험 예측 장치.

청구항 2 제1항에 있어서,

상기 예측된 사용자 경험 정보를 사용자 경험 프레임워크로 전환하고, 상기 사용자 경험 프레임워크를 환경, 응 용 분야 및 적용 분야 중 적어도 하나에 따라 변형시켜 표출하는 적응 및 필수 정보 사용자 경험 프레임워크 를 더 포함하는 빅 데이터 기반 사용자 경험 예측 장치.

청구항 3 제2항에 있어서,

상기 적응 및 필수 정보 사용자 경험 프레임워크는 상기 사용자 경험 프레임워크를 차량용 사용자 경험 정보 및 서비스용 사용자 경험 정보 중 적어도 하나로 분류하고, 분류된 적어도 하나가 상기 현재 사용자 경험을 판단하 는 기준으로 사용되도록 하는 것

인 빅 데이터 기반 사용자 경험 예측 장치.

청구항 4 제1항에 있어서,

기수집되거나 입력된 차량의 인프라 및 위치 정보, 사용자 상태에 대한 인식 정보, 차량 주행에 따른 패턴 인식 정보, 및 차량 주행 패턴 또는 사용자 행동 패턴 통용 정보 중 적어도 하나를 기반으로 상기 사용자에 의해 입 력된 정보화 사용자 경험을 분석하여 현재 상기 사용자가 취한 상기 현재 사용자 경험을 판단하는 사용자 경험 판단부

를 더 포함하는 빅 데이터 기반 사용자 경험 예측 장치.

청구항 5 제1항에 있어서,

사용자 관련 댓글, 조회 및 검색 정보가 포함된 SNS 정보를 토대로 상기 사용자가 선호하거나 알고 싶어하는 관 심 정보에 대한 사용자 경험이 판단된 SNS 관련 사용자 경험 정보, 사용자 관련 기수집된 사용자 정보를 토대로 상기 사용자의 행동, 습관 및 관심 분야에 대한 특징을 분석한 개인화 사용자 경험 정보, 일반적 상황에 따라 상기 사용자의 심리적, 심미적, 긍정적 및 부정적 영향을 분석한 사용자 경험 정보, 및 일반 상황 또는 특수 상 황에서 예측할 수 없는 돌발 상황에 대한 사용자 경험 정보 중 적어도 하나를 포함하는 상기 현재 사용자 경험 에 연관된 정보를 관리하는 데이터베이스

를 더 포함하는 빅 데이터 기반 사용자 경험 예측 장치.

청구항 6 제5항에 있어서,

상기 사용자 경험 예측부는 상기 긍정 피드백된 사용자 경험 정보가 상기 예측된 사용자 경험 정보와 일치할 경 우, 상기 긍정 피드백된 사용자 경험 정보에 긍정 가중치를 부여하고, 긍정 반응에 대한 사용자 경험 결과 데이 터가 업데이트 될 수 있도록 가중치가 부여된 상기 긍정 피드백된 사용자 경험 정보를 상기 데이터베이스에 전 달하는 것

인 빅 데이터 기반 사용자 경험 예측 장치.

청구항 7 제5항에 있어서,

상기 피드백 사용자 경험 결정부는 상기 결정결과 상기 사용자가 부정 반응을 한 경우, 부정 피드백된 사용자 경험 정보가 상기 예측된 사용자 경험 정보와 다른 사용자 경험 정보라는 부정 피드백 결과를 실시간 업데이트 되도록 상기 데이터베이스에 전달하고,

상기 데이터베이스는 상기 부정 피드백된 사용자 경험 정보를 SNS 관련 사용자 경험 정보, 개인화 사용자 경험 정보, 일반적 상황에 따른 사용자 경험 정보, 돌발 상황에 대한 사용자 경험 정보 중 적어도 하나를 토대로 수 집된 사용자 경험 정보와 비교하며 연관된 정보를 구분하고 기록하는 것

인 빅 데이터 기반 사용자 경험 예측 장치.

청구항 8 제1항에 있어서,

현재 진행하고 있는 행위에 삽입될 경우 상기 사용자가 이를 인지하더라도 하던 동작을 계속할 수 있도록, 상기 예측된 사용자 경험 정보를 상기 사용자의 상황에 따른 인지반응 및 행동에 방해되지 않는 형태의 상기 UI로 구 성하는 사용자 경험 적용부

를 더 포함하는 빅 데이터 기반 사용자 경험 예측 장치.

청구항 9

사용자 관련 빅 데이터를 기반으로 판단된 현재 사용자 경험과, 이에 연관된 정보를 토대로 사용자 경험을 예측 하는 단계;

예측된 사용자 경험 정보를 UI(User Interface)로 구성하는 단계;

상기 UI를 통해 피드백된 사용자 경험 정보를 토대로 상기 예측된 사용자 경험 정보에 대해 상기 사용자가 긍정 반응을 하였는지 여부를 결정하는 단계; 및

결정결과, 상기 사용자가 긍정 반응을 한 경우, 상기 예측된 사용자 경험 정보를 표출하는 단계 를 포함하는 빅 데이터 기반 사용자 경험 예측 방법.

청구항 10

제9항에 있어서, 상기 표출하는 단계는,

상기 예측된 사용자 경험 정보를 사용자 경험 프레임워크로 전환하는 단계; 및

상기 사용자 경험 프레임워크를 환경, 응용 분야 및 적용 분야 중 적어도 하나에 따라 변형시켜 표출하는 단계 를 포함하는 것

인 빅 데이터 기반 사용자 경험 예측 방법.

청구항 11 제10항에 있어서,

상기 사용자 경험 프레임워크를 차량용 사용자 경험 정보 및 서비스용 사용자 경험 정보 중 적어도 하나로 분류 하는 단계를 더 포함하고,

상기 예측하는 단계는,

분류된 적어도 하나를 상기 현재 사용자 경험 정보를 판단하는 기준으로 사용하는 단계를 포함하는 것 인 빅 데이터 기반 사용자 경험 예측 방법.

청구항 12

제9항에 있어서, 상기 예측하는 단계는,

기수집되거나 입력된 차량의 인프라 및 위치 정보, 사용자 상태에 대한 인식 정보, 차량 주행에 따른 패턴 인식 정보, 및 차량 주행 패턴 또는 사용자 행동 패턴 통용 정보 중 적어도 하나를 기반으로 상기 사용자에 의해 입 력된 정보화 사용자 경험을 분석하는 단계; 및

분석된 결과를 토대로 현재 상기 사용자가 취한 상기 현재 사용자 경험을 판단하는 단계를 포함하는 것 인 빅 데이터 기반 사용자 경험 예측 방법.

청구항 13

제9항에 있어서, 상기 예측하는 단계는,

사용자 관련 댓글, 조회 및 검색 정보가 포함된 SNS 정보를 토대로 상기 사용자가 선호하거나 알고 싶어하는 관 심 정보에 대한 사용자 경험이 판단된 SNS 관련 사용자 경험 정보, 사용자 관련 기수집된 사용자 정보를 토대로 상기 사용자의 행동, 습관 및 관심 분야에 대한 특징을 분석한 개인화 사용자 경험 정보, 일반적 상황에 따라 상기 사용자의 심리적, 심미적, 긍정적 및 부정적 영향을 분석한 사용자 경험 정보, 및 일반 상황 또는 특수 상 황에서 예측할 수 없는 돌발 상황에 대한 사용자 경험 정보 중 적어도 하나를 포함하는 상기 현재 사용자 경험 에 연관된 정보를 관리하는 단계를 포함하는 것

인 빅 데이터 기반 사용자 경험 예측 방법.

청구항 14 제9항에 있어서,

상기 결정결과, 상기 사용자가 긍정 반응을 한 경우, 상기 긍정 피드백된 사용자 경험 정보가 상기 예측된 사용 자 경험 정보와 일치하면, 상기 긍정 피드백된 사용자 경험 정보에 긍정 가중치를 부여하는 단계;

가중치가 부여된 상기 긍정 피드백된 사용자 경험 정보를 긍정 반응에 대한 사용자 경험 결과 데이터로서 업데 이트하는 단계

를 포함 더 포함하는 빅 데이터 기반 사용자 경험 예측 방법.

청구항 15 제9항에 있어서,

상기 결정결과, 상기 사용자가 부정 반응을 한 경우, 부정 피드백된 사용자 경험 정보가 상기 예측된 사용자 경 험 정보와 다른 사용자 경험 정보라는 부정 피드백 결과를 실시간 업데이트하는 단계; 및

상기 부정 피드백된 사용자 경험 정보를 SNS 관련 사용자 경험 정보, 개인화 사용자 경험 정보, 일반적 상황에 따른 사용자 경험 정보, 돌발 상황에 대한 사용자 경험 정보 중 적어도 하나를 토대로 수집된 사용자 경험 정보 와 비교하며 연관된 정보를 기록하고 구분하는 단계

를 더 포함하는 빅 데이터 기반 사용자 경험 예측 방법.

청구항 16

제9항에 있어서, 상기 제공하는 단계는,

현재 진행하고 있는 행위에 삽입될 경우 상기 사용자가 이를 인지하더라도 하던 동작을 계속할 수 있도록, 상기

예측된 사용자 경험 정보를 상기 사용자의 상황에 따른 인지반응 및 행동에 방해되지 않는 형태의 상기 UI로 구 성하는 단계를 포함하는 것

인 빅 데이터 기반 사용자 경험 예측 방법.

발명의 설명

기 술 분 야

본 발명은 차량과 운전자 간의 상호작용을 위한 빅 데이터 기반 사용자 경험 예측 장치 및 방법에 관한 것으로 [0001]

서, 보다 구체적으로는 운전자와 차량 간의 상황인식체계에 있어서 빅 데이터 기반으로 정보를 융합하고 분석하 여 차량과 운전자에게 최적의 필요충분 예측 정보를 제공하여 직관적인 상호작용이 가능하도록 하는 장치 및 방 법에 관한 것이다.

배 경 기 술

선행특허(출원번호 10-2012-0060839)는 빅 데이터를 처리하는 방법으로서, 빅 데이터를 기반으로 사용자 기기와 [0002]

가입자 간의 복수 개의 위치 데이터 및 영역으로 이동할 확률 정보를 추출하여 근접한 이동통신 가입자를 연결 해주는 서비스를 제공하는 것이다.

이러한 선행특허는 사람의 특성 또는 기상변화현황과 같은 관심대상에 관한 복수 개의 빅 데이터를 확률기반 군 [0003]

집화 알고리즘으로 처리함으로써, 복수 개의 정보영역에 관한 정보를 생성하는 것이다.

즉, 선행특허는 관심대상 데이터를 제공받아 관심대상 데이터가 매핑되는 복수 개의 정보영역의 제1 정보영역을 [0004]

결정하고, 결정된 제1 정보영역의 관심속성의 범주에 포함된 관심대상 데이터의 관심속성이 복수 개의 정보영역 의 제2 정보영역의 관심속성의 범주에 포함될 관계확률에 관련된 정보를 생성하는 것이다.

이러한 선행특허는 서버를 기반으로 하는 빅 데이터 구조를 사용하고, 사용자 기기와 가입자 간의 위치에 따른 [0005]

이동 확률을 계산하여 통신 서비스를 연결하는 기능을 제공한다.

한편, 최근 들어 운전자에게 차량 정보를 효율적이고 효과적으로 제공하기 위한 사용자 중심의 차량용 UI(User [0006]

Interface), UX(User Experience) 등에 대한 개발이 활발히 진행되고 있다.

이러한 개발의 예로서 음성인식 시스템 등을 들 수 있고, 웹을 기반으로 하는 구글사의 구글나우, 애플사의 시 [0007]

리, 마이크로소프트사의 코트나타 등이 대표적인 음성인식 시스템이며, 이들은 단순 서비스뿐만 아니라 사용자 맞춤형 정보까지 제공할 수 있다.

또한, 스마트폰 기술이 차량 플랫폼 기술에 지원되면서 스마트폰 정보를 기반으로 하는 상황 판단 시스템이 차 [0008]

량에 탑재되는 추세이며, 스마트폰 정보를 기반으로 하는 차량용 특화 서비스도 방대하게 제공될 전망이다.

예컨대, 벤츠사의 차량은 이미 운전자의 취미, 특성 등의 기존 정보 또는 반복되는 정보를 분석하고 분석된 정 [0009]

보를 토대로 주행 중 운전자의 상태를 인식하여 적절한 정보를 제공할 수 있다.

또한, 최근 들어 기존 정보를 분석하고 주변 또는 개인 특성 정보를 가공하여 의미 있고 직관적인 정보(실시간 [0010]

예측하여 대비 가능한 정보)를 도출해내는 연구가 활발히 진행되고 있으며, 이러한 연구 결과를 기반으로 하는 차량과 운전자 간의 상호 작용을 위한 정보 예측 기술과 이를 표출할 수 있는 신개념의 HMI UX(Human Machine Interface User Experience) 기술 등에 대한 요구가 계속 높아지는 추세이고, 이에 따라 현재 스마트폰 분야뿐 만 아니라 자동차 분야에서도 사용자 특화된 예측 가능한 UX 기술 등을 선보이고 있다.

현재 차량용 인포테인먼트, 전장에 대한 로그 데이터를 수집하고(수집된 데이터는 분야에 따라 특성을 지님), [0011]

이를 서버로 전송하여 오류에 대한 보정을 하는 시스템 등이 본격적으로 개발되고 있다.

그러나, 차량 특성과 운전자 특성에 대한 실시간 분석 및 학습데이터 업데이트를 통한 운전자 UX, 차량의 주행 [0012]

상황, 차량의 주변 상황 등 차량 주행 중 발생할 수 있는 모든 데이터를 분석하여 정답 데이터를 제공하고, 발 생할 수 있는 문제를 실시간으로 추적하며 최적화할 수 있는 기술은 아직 그 개발이 미흡한 실정이다.

발명의 내용 해결하려는 과제

본 발명은 상기와 같은 실정을 감안하여 창출한 것으로서, 운전자와 관련된 모든 정보, 즉 빅 데이터를 기반으 [0013]

로 보이지 않는 의미 있는 정보 예측 및 현재 운전자의 상태 정보 분석을 수행하며, 예측된 정보 및 분석된 정 보가 반영된 직관적인 UI를 통해 획득된 운전자의 피드백 정보를 분석하고 실시간 업데이트하는 차량과 운전자 간의 상호작용을 위한 빅 데이터 기반 사용자 경험 예측 장치 및 방법을 제공하는 데 그 목적이 있다.

여기서 보이지 않는 정보는 소셜 네트워크, 메신저, 주행 정보 및 기록, 웹서핑 기록, 차량 특성, 주변 환경, [0014]

시간대별 전화, 모바일 오피스 등의 연계된 데이터를 토대로 운전자의 개인적 특성을 분석한 것이다.

이에 반해 보이는 정보는 운전자의 현재 상태, 즉 얼굴, 자세, 표정, 목소리, 해동, 사용 기기, 목적에 따른 움 [0015]

직임, 제스처 등의 데이터를 분석한 것이다.

또한, 본 발명의 다른 목적은 앞으로의 자율주행 자동차 시대에 앞서 운전자에게 차량과의 상호작용을 통한 예 [0016]

측 가능한 주행 서비스를 제공하고, 이와 동시에 운전자에게 표출하지 않았던 의도된 의미 있는 정보(보이지 않 는 의미 있는 정보)를 적절히 제공함으로써 안전과 만족감을 동시에 제공해 주는 데 있다.

과제의 해결 수단

전술한 목적을 달성하기 위하여, 본 발명의 일면에 따른 차량과 운전자 간의 상호작용을 위한 빅 데이터 기반 [0017]

사용자 경험 예측 장치는 사용자 관련 빅 데이터를 기반으로 판단된 현재 사용자 경험과, 이에 연관된 정보를 토대로 사용자 경험을 예측하는 사용자 경험 예측부; 예측된 사용자 경험 정보를 UI(User Interface)로 구성하 는 사용자 경험 응용 프레임워크; 및 상기 UI를 통해 피드백된 사용자 경험 정보를 토대로 상기 예측된 사용자 경험 정보에 대한 상기 사용자의 긍정 반응 여부를 결정하고, 결정결과 상기 사용자가 긍정 반응을 한 경우, 상 기 예측된 사용자 경험 정보를 표출하도록 하는 피드백 사용자 경험 결정부를 포함한다.

본 발명의 다른 면에 따른 차량과 운전자 간의 상호작용을 위한 빅 데이터 기반 사용자 경험 예측 방법은 사용 [0018]

자 관련 빅 데이터를 기반으로 판단된 현재 사용자 경험과, 이에 연관된 정보를 토대로 사용자 경험을 예측하는 단계; 예측된 사용자 경험 정보를 UI(User Interface)로 구성하는 단계; 상기 UI를 통해 피드백된 사용자 경험 정보를 토대로 상기 예측된 사용자 경험 정보에 대해 상기 사용자가 긍정 반응을 하였는지 여부를 결정하는 단 계; 및 결정결과, 상기 사용자가 긍정 반응을 한 경우, 상기 예측된 사용자 경험 정보를 표출하는 단계를 포함 한다.

발명의 효과

본 발명에 따르면, 운전자 상태에 대한 분석과 운전자 경험을 통한 차량 주행 분석을 정확히 할 수 있고, 자율 [0019]

주행, 무인 차량 등 운전자에 의한 차량 주행에 따라 획득된 방대한 양의 학습 데이터를 기반으로 안전한 주행 서비스뿐만 아니라 차량 주행시 발생 가능한 모든 상황에 대한 대처 방안을 제시할 수 있다.

나아가 운전자와 차량 간, 운전자와 운전자 간, 차량과 차량 간 다중 상호작용에 필요한 학습 데이트를 실시간 [0020]

획득하여 급변하는 주행 환경에 대한 대처 가능 정보를 제공함으로써 기존의 차량 내 영상 및 센서 처리 기반 UI/UX의 문제점을 해결할 수 있다.

차량용 HCI(Human-Computer Interface)에 대한 근본적인 문제를 해결할 수 있는 분석용 플랫폼으로서 적용될 수 [0021]

있다.

주행 중 발생 가능한 상황을 예측할 수 있고, 차량 사용자와의 상호작용 가능한 예측 사용자 경험을 제공해줄 [0022]

수 있다.

빅 데이터 기반, 서버 및 스마트 기기 기반으로 방대한 정보를 가공하고 처리하는데 효율적인 방식을 제공할 수 [0023]

있다.

도면의 간단한 설명

도 1은 본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 장치를 설명하기 위한 도면.

[0024]

도 2는 본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 방법을 설명하기 위한 흐름도.

발명을 실시하기 위한 구체적인 내용

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 [0025]

예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 용이하게 이해할 수 있도록 제공되는 것이며, 본 발명 은 청구항의 기재에 의해 정의된다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포 함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 도 1을 참조하여 본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 장치를 설명한다. 도 1은 [0026]

본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 장치를 설명하기 위한 도면이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 장치는 운전자의 소셜 [0027]

정보 분석 및 현재 상태 인식을 통한 정보 분석을 토대로 운전자의 경험을 예측하는 것으로서, 이를 위해 사용 자 경험 판단부(100), 데이터베이스(200), 사용자 경험 예측부(300), 사용자 경험 응용 프레임워크(400), 사용 자 경험 적용부(500), 사용자 경험 피드백부(600), 피드백 사용자 경험 결정부(700), 그리고 적응 및 필수 정보 사용자 경험 프레임워크(800)를 포함한다.

사용자 경험 판단부(100)는 현재 사용자 경험을 판단하는 것으로서, 차량 주행에 대한 상태 정보, 사용자(이하, [0028]

'운전자'를 예로 들어 설명함)의 행동에 대한 상태 정보 등을 토대로 현재 운전자 경험을 실시간 판단한다.

예컨대, 차량 인프라 정보 및 차량 위치 정보, 운전자 상태에 대한 인식 정보, 차량 주행에 따른 패턴 인식 정 [0029]

보, 그리고 일반적이고 통용적인 차량 주행 패턴 정보 또는 운전자 행동 패턴 정보 등은 기수집되거나 현재 입 력되고, 사용자 경험 판단부(100)는 기수집되거나 현재 입력된 정보를 기반으로 운전자에 의해 입력된 정보화 사용자 경험(UX:User Experience)을 분석하여 현재 운전자가 취한 운전자 경험을 판단하고, 판단된 현재 운전자 경험 판단 정보를 데이터베이스(200)에 전달한다.

좀 더 구체적으로 사용자 경험 판단부(100)는 개인 맞춤형 상황별 분석 엔진을 포함하고, 개인 맞춤형 상황별 [0030]

분석 엔진은 소셜 네트워크, 웹 기반 검색 등을 통해 개인 맞춤형 분석을 수행하며, 사회 통념적인 상황에 따른 정보 욕구 및 이슈에 대한 정보를 분석하고, 분석된 정보에 따른 개인 맞춤형 상황별 분석을 수행한다.

또한, 사용자 경험 판단부(100)는 운전자의 현재 상황에 따른 주행 패턴 정보, 얼굴 표정, 손동작, 시선, 목소 [0031]

리, 행동, 사용 기기, 목적에 따른 움직임 등을 토대로 운전자 정보를 분석한다.

사용자 경험 판단부(100)는 분석된 결과를 토대로 운전자가 현재 취한 운전자 경험을 판단하고, 판단된 현재 운 [0032]

전자 경험 판단 정보를 데이터베이스(200)에 전달한다.

한편, 사용자 경험 판단부(100)는 학습된 정보 기반의 운전자 경험 엔진 및 예측 정답 및 오답에 대한 행동 데 [0033]

이터를 획득하는 엔진 입력부를 포함한다.

데이터베이스(200)는 사용자 경험 판단부(100)로부터 전달된 현재 운전자 경험 판단 정보를 체계화하고, 이때 [0034]

실시간 또는 일정기간 동안 발생한 SNS 정보, 개인 정보, 일반적인 통용정보, 예상 가능한 운전자 경험 정보와 비교 분석된 상황별 대처 데이터를 실시간으로 업데이트한다.

예컨대, 데이터베이스(200)는 예상 가능한 운전자 경험 정보를 관리하는 것으로서, 운전자와 관련된, 댓글, 조 [0035]

회 및 검색 등의 정보가 포함된 SNS 정보를 토대로 운전자가 선호하거나 알고 싶어하는 관심 정보에 대한 운전 자 경험을 판단하는 모듈로부터 제공된 SNS 관련 운전자 경험 정보, 운전자와 관련된, 기수집된 운전자 정보를 토대로 운전자의 행동, 습관 및 관심 분야에 대한 특징 등을 분석한 개인화 운전자 경험 정보, 일반적으로 상황 에 따라 운전자의 심리적, 심미적, 긍정적 및 부정적 영향 등을 분석한 운전자 경험 정보, 일반적인 상황 또는 특수 상황에서 예측할 수 없는 돌발 상황에 대한 운전자 경험 정보 등을 체계적으로 관리한다.

또한, 데이터베이스(200)는 사용자 경험 판단부(100)로부터 전달된 현재 운전자 경험 판단 정보와 이에 연관된 [0036]

정보(예상 가능한 운전자 경험 정보)를 사용자 경험 예측부(300)에 전달한다.

사용자 경험 예측부(300)는 데이터베이스(200)로부터 전달된 현재 운전자 경험 판단 정보와 이에 연관된 정보를 [0037]

토대로 운전자에게 의미 있는 운전자 경험을 예측하고, 예측된 운전자 경험 예측 정보를 운전자에 의해 검증받 기 위해 사용자 경험 응용 프레임워크(400)에 전달한다.

예컨대, 사용자 경험 예측부(300)는 데이터베이스(200)로부터 전달된 현재 운전자 경험 판단 정보와 이에 연관 [0038]

된 정보를 비교하고, 비교결과를 토대로 현재 운전자 경험 판단 정보가 운전자에게 의미 있는 역할을 하는지 여 부를 결정하며, 의미 있는 역할을 하는 것으로 결정되면, 현재 운전자 경험 판단 정보를 운전자 경험 예측 정보 로 사용자 경험 응용 프레임워크(400)에 전달한다.

사용자 경험 응용 프레임워크(400)는 운전자가 의식하지 못하도록, 또는 신경 쓰지 않도록, 전달된 운전자 경험 [0039]

예측 정보를 운전자에게 직관적이고 익숙하며 편리한 UI 형태로 제공하기 위해 전달된 운전자 경험 예측 정보에 프레임워크를 적용한다.

예컨대, 사용자 경험 응용 프레임워크(400)는 운전자가 주행 중 음악을 듣거나 또는 대화를 하는 등의 경우, 사 [0040]

용자 경험 적용부(500)를 통해 운전자 경험 예측 정보를 운전자가 하던 행위에 방해되지 않는 방식의 UI 형태로 운전자에게 제공한다.

사용자 경험 적용부(500)는 운전자 경험 예측 정보를 운전자의 상황에 따른 인지반응 및 주행에 방해되지 않는 [0041]

형태의 UI로 구성하고, 즉 운전자가 현재 진행하고 있는 행위, 예측된 행위 등에 삽입될 경우 운전자가 이를 인 지하더라도 하던 동작을 계속할 수 있도록 하는 형태의 UI로 구성한다.

사용자 경험 피드백부(600)는 UI로 제공된 운전자 경험 예측 정보에 대한 운전자의 반응을 획득한다.

[0042]

예컨대, 사용자 경험 피드백부(600)는 사용자 경험 적용부(500)에 의해 구성된 UI를 통해 운전자가 의도한 상태 [0043]

의 피드백 또는 운전자가 의도하지 않은 상태의 피드백으로서 운전자 경험 정보를 입력받고, 피드백된 운전자 경험 정보를 피드백 사용자 경험 결정부(700)에 전달한다.

피드백 사용자 경험 결정부(700)는 사용자 경험 피드백부(600)로부터 전달된 피드백된 운전자 경험 정보를 분석 [0044]

하고, 운전자 경험 예측 정보에 대한 긍정 피드백인지 부정 피드백인지를 결정한다.

예컨대, 피드백 사용자 경험 결정부(700)는 UI를 통해 피드백된 운전자 경험 정보를 토대로 운전자 경험 예측 [0045]

정보에 대한 운전자의 반응이 긍정인지 부정인지를 결정한다.

피드백 사용자 경험 결정부(700)는 결정결과, 운전자 경험 예측 정보에 대해 운전자가 부정 피드백, 즉 부정 반 [0046]

응을 한 경우, 부정 피드백된 운전자 경험 정보가 운전자 경험 예측 정보와 다른 운전자 경험 정보라는 부정 피 드백 결과를 실시간 업데이트 되도록 데이터베이스(200)에 전달한다.

데이터베이스(200)는 부정 피드백된 운전자 경험 정보를 SNS 관련 운전자 경험 정보, 개인화 운전자 경험 정보, [0047]

일반적으로 상황에 따른 운전자 경험 정보, 돌발 상황에 대한 운전자 경험 정보 등을 토대로 수집된 운전자 경 험 정보와 비교하고 연관된 정보를 기록하고 구분한다.

또한, 피드백 사용자 경험 결정부(700)는 결정결과, 운전자 경험 예측 정보에 대해 운전자가 긍정 피드백, 즉 [0048]

긍정 반응을 한 경우, 긍정 피드백된 운전자 경험 정보를 사용자 경험 예측부(300)에 전달한다.

사용자 경험 예측부(300)는 전달된 긍정 피드백된 운전자 경험 정보와 운전자 경험 예측 정보의 일치 여부를 확 [0049]

인하고, 운전자 경험 예측 정보가 운전자에게 의미 있는 정보형태로 표출될 수 있도록 적응 및 필수 정보 사용 자 경험 프레임워크(800)에 전달한다.

또한, 사용자 경험 예측부(300)는 긍정 피드백된 운전자 경험 정보가 의미 있는 예측 운전자 경험 정보로 확인 [0050]

된 경우, 즉 긍정 피드백된 운전자 경험 정보가 운전자 경험 예측 정보와 일치한 경우, 긍정 피드백된 운전자 경험 정보에 긍정 가중치를 부여하고, 긍정 반응에 대한 운전자 경험 결과 데이터가 업데이트 되도록 가중치가 부여된 긍정 피드백된 운전자 경험 정보를 데이터베이스(200)에 전달한다.

적응 및 필수 정보 사용자 경험 프레임워크(800)는 사용자 경험 예측부(300)로부터 전달된 운전자 경험 예측 정 [0051]

보(의미 있는 예측 데이터로 판단된 정보)를 적응 및 필수 정보 운전자 경험 프레임워크, 즉 다양한 분야에서 요구되는 또는 적용될 수 있는 운전자 경험 프레임워크로 전환한다.

적응 및 필수 정보 사용자 경험 프레임워크(800)는 전환된 운전자 경험 프레임워크를 스마트 기기, 웹, 안전 서 [0052]

비스, 집, 건강 서비스 및 모바일 오피스 등과 같이 환경, 응용 및 적용 분야에 따라 변형시켜 표출한다.

전환된 운전자 경험 프레임워크는 차량용 운전자 경험 또는 서비스용 운전자 경험으로 분류되어 현재 운전자의 [0053]

경험 상태를 판단하는 기준으로 사용된다.

예컨대, 적응 및 필수 정보 사용자 경험 프레임워크(800)는 전환된 운전자 경험 프레임워크를 차량에 적용될 형 [0054]

태로서 차량용 운전자 경험 정보로 가공하고, 일반 서비스 등에 적용될 형태로서 서비스용 운전자 경험 정보로 가공하며, 가공된 차량용 운전자 경험 정보와 서비스용 운전자 경험 정보를 사용자 경험 판단부(100)에 전달한 다.

사용자 경험 판단부(100)는 전달된 차량용 운전자 경험 정보와 서비스용 운전자 경험 정보를 현재 입력된 운전 [0055]

자의 특성을 분석하고, 운전자 경험을 판단할 요소로서 사용한다.

전술한 바와 같이, 본 발명에 따르면, 주행 중 발생 가능한 상황을 예측할 수 있어서, 운전자에게 안전 주행 서 [0056]

비스를 제공할 수 있을 뿐만 아니라, 주행시 발생할 수 있는 모든 상황에 대한 대처 방안을 제공할 수 있다.

즉, 운전자와의 상호작용이 가능한 예측 운전자 경험(UX:User Experience)을 제공할 수 있고, 급변하는 주행 환 경에 대처 가능한 정보를 제공할 수 있다.

한편, 여기서는 본 발명의 일실시 예에 따라 사용자를 운전자로 하여 차량 관련 분야를 예로 들어 설명하였으나 [0057]

이에 국한되지 않고, 본 발명은 빅 데이터 기반, 또는 서버 및 스마트 기기 기반 등으로 방대한 정보를 가공하 고 처리하는데 효율적인 방식을 필요로 하는 기술분야 어디에든 적용될 수 있음은 물론이며, 특히 의료업계에 적용될 경우 환자의 상태, 기존 정보, 대처 방법, 수술 방법 등에 대한 데이터를 기반으로 환자 및 의사에 대한 예측 사용자 경험 또한 공유하여 사용할 수 있도록 구성될 수 있음은 물론이다.

이상, 도 1을 참조하여 본 발명의 일실시 예에 따른 빅 데이터 기반 사용자 경험 예측 장치를 설명하였고, 이하 [0058]

에서는 도 2를 참조하여 본 발명의 일실시 예에 따른 빅 데이터 기반 사용자 경험 예측 방법을 설명한다. 도 2 는 본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 방법을 설명하기 위한 흐름도이다.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 빅 데이터 기반 사용자 경험 예측 방법은 운전자가 취한 [0059]

현재 운전자 경험을 판단한다(S200).

예컨대, 차량 인프라 정보 및 차량 위치 정보, 운전자 상태에 대한 인식 정보, 차량 주행에 따른 패턴 인식 정 [0060]

보, 그리고 일반적이고 통용적인 차량 주행 패턴 정보 또는 운전자 행동 패턴 정보 등이 기수집되거나 현재 입 력되고, 수집되거나 입력된 정보를 기반으로 운전자에 의해 입력된 정보화 사용자 경험(UX:User Experience)을 분석하여 운전자가 취한 현재 운전자 경험을 판단한다.

즉, 소셜 네트워크, 웹 기반 검색 등을 통해 개인 맞춤형 분석을 수행하며, 사회 통념적인 상황에 따른 정보 욕 [0061]

구 및 이슈에 대한 정보를 분석하고, 분석된 정보에 따른 개인 맞춤형 상황별 분석을 수행하며, 운전자의 현재 상황에 따른 주행 패턴 정보, 얼굴 표정, 손동작, 시선, 목소리, 행동, 사용 기기, 목적에 따른 움직임 등을 토 대로 운전자 정보를 분석하고, 분석된 결과를 토대로 운전자가 취한 현재 운전자 경험을 판단한다.

판단된 현재 운전자 경험 판단 정보와 이에 연관된 정보를 토대로 운전자에게 의미 있는 운전자 경험을 예측한 [0062]

다(S201).

예컨대, 현재 운전자 경험 판단 정보와 이에 연관된 정보를 비교하고, 비교결과를 토대로 현재 운전자 경험 판 [0063]

단 정보가 운전자에게 의미 있는 역할을 하는지 여부를 결정하며, 현재 운전자 경험 판단 정보가 의미 있는 역 할을 하는 것으로 결정되면, 현재 운전자 경험 판단 정보를 운전자 경험 예측 정보로서 예측한다.

한편, 현재 운전자 경험 판단 정보에 연관된 정보, 즉 운전자와 관련된, 댓글, 조회 및 검색 등의 정보가 포함 [0064]

된 SNS 정보를 토대로 운전자가 선호하거나 알고 싶어하는 관심 정보에 대한 운전자 경험을 판단하는 모듈로부 터 제공된 SNS 관련 운전자 경험 정보, 운전자와 관련된, 기수집된 운전자 정보를 토대로 운전자의 행동, 습관 및 관심 분야에 대한 특징 등을 분석한 개인화 운전자 경험 정보, 일반적으로 상황에 따라 운전자의 심리적, 심 미적, 긍정적 및 부정적 영향 등을 분석한 운전자 경험 정보, 일반적인 상황 또는 특수 상황에서 예측할 수 없 는 돌발 상황에 대한 운전자 경험 정보 등은 예상 가능한 운전자 경험 정보로서 데이터베이스(200)에서 체계적 으로 관리된다.

예측된 운전자 경험 예측 정보가 운전자가 의식하지 못하도록, 또는 신경 쓰지 않도록, 운전자에게 직관적이고 [0065]

익숙하며 편리한 UI로 제공될 수 있도록 예측된 운전자 경험 예측 정보에 프레임워크를 적용한다(S202).

예컨대, 운전자가 주행 중 음악을 듣거나 또는 대화를 하는 등의 경우, 운전자 경험 예측 정보를 운전자가 하던 [0066]

행위에 방해되지 않는 형태의 UI로 구성하고, 이를 운전자에게 제공한다.

즉, 운전자 경험 예측 정보는 운전자의 상황에 따른 인지반응 및 주행에 방해되지 않는 형태의 UI로 구성되고, [0067]

즉 운전자가 현재 진행하고 있는 행위, 예측된 행위 등에 삽입될 경우 운전자가 이를 인지하더라도 하던 동작을

계속할 수 있는 형태의 UI로 구성된다.

UI로 제공된 운전자 경험 예측 정보에 대한 운전자의 반응을 UI를 통해 운전자가 의도한 상태의 피드백 또는 운 [0068]

전자가 의도하지 않은 상태의 피드백으로서 운전자 경험 정보로 입력받고, 피드백된 운전자 경험 정보를 분석하 며, 운전자 경험 예측 정보에 대한 긍정 피드백인지 부정 피드백인지를 결정한다(S203).

예컨대, UI를 통해 피드백된 운전자 경험 정보를 토대로 운전자 경험 예측 정보에 대한 운전자의 반응이 긍정인 [0069]

지 부정인지를 결정한다.

결정결과, 운전자 경험 예측 정보에 대해 운전자가 부정 피드백, 즉 부정 반응을 한 경우, 부정 피드백된 운전 [0070]

자 경험 정보가 운전자 경험 예측 정보와 다른 운전자 경험 정보라는 부정 피드백 결과를 실시간 업데이트 되도 록 데이터베이스(200)에 전달한다(S204).

데이터베이스(200)는 부정 피드백된 운전자 경험 정보를 SNS 관련 운전자 경험 정보, 개인화 운전자 경험 정보, [0071]

일반적으로 상황에 따른 운전자 경험 정보, 돌발 상황에 대한 운전자 경험 정보 등을 토대로 수집된 운전자 경 험 정보와 비교하고 연관된 정보를 기록하고 구분한다.

그러나 단계(S203) 결정결과, 운전자 경험 예측 정보에 대해 운전자가 긍정 피드백, 즉 긍정 반응을 한 경우, [0072]

운전자 경험 예측 정보를 운전자에게 의미 있는 정보형태로 표출한다(S205).

예컨대, 운전자 경험 예측 정보(의미 있는 예측 데이터로 판단된 정보)를 적응 및 필수 정보 운전자 경험 프레 [0073]

임워크, 즉 다양한 분야에서 요구되는 또는 적용될 수 있는 운전자 경험 프레임워크로 전환하며, 전환된 운전자 경험 프레임워크를 스마트 기기, 웹, 안전 서비스, 집, 건강 서비스 및 모바일 오피스 등과 같이 환경, 응용 및 적용 분야에 따라 변형시켜 표출한다.

또한, 전환된 운전자 경험 프레임워크를 차량에 적용될 형태로서 차량용 운전자 경험 정보로 가공하고, 일반 서 [0074]

비스 등에 적용될 형태로서 서비스용 운전자 경험 정보로 가공하며, 가공된 차량용 운전자 경험 정보와 서비스 용 운전자 경험 정보를 현재 입력된 운전자의 특성을 분석하고, 운전자 경험을 판단할 요소로서 사용되도록 한 다.

한편, 긍정 피드백된 운전자 경험 정보가 의미 있는 예측 운전자 경험 정보로 확인된 경우, 즉 긍정 피드백된 [0075]

운전자 경험 정보가 운전자 경험 예측 정보와 일치할 경우, 긍정 피드백된 운전자 경험 정보에 긍정 가중치를 부여하고, 긍정 반응에 대한 운전자 경험 결과 데이터가 업데이트 되도록 가중치가 부여된 긍정 피드백된 운전 자 경험 정보를 데이터베이스(200)에 전달한다.

이상 바람직한 실시예와 첨부도면을 참조하여 본 발명의 구성에 관해 구체적으로 설명하였으나, 이는 예시에 불 [0076]

과한 것으로 본 발명의 기술적 사상을 벗어나지 않는 범주내에서 여러 가지 변형이 가능함은 물론이다. 그러므 로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특 허청구의 범위와 균등한 것들에 의해 정해져야 한다.

부호의 설명

100 : 사용자 경험 판단부 200 : 데이터베이스 [0077]

300 : 사용자 경험 예측부 400 : 사용자 경험 응용 프레임워크 500 : 사용자 경험 적용부 600 : 사용자 경험 피드백부 700 : 피드백 사용자 경험 결정부

800 : 적응 및 필수 정보 사용자 경험 프레임워크

도면 도면1

도면2